删除文本文件中包含少于 4 个管道的行 [关闭]

Question

我有一个文本文件，其中的数据由 4 分隔 | 文件中有一些问题行。这些线路包含少于 4 个管道。 不需要问题行中的数据，我想在文件上运行一个命令，删除包含少于四个管道的任何行。我还想知道之后删除了多少行，所以如果在应用命令后可以将其打印在屏幕上，那将是理想的。

样本数据：

865|Blue Moon Club|Havana Project|34d|879
899|Soya Plates|Dimsby|78a|699
657|Sherlock
900|Forestry Commission|Eden Project|68d|864

期望的输出：

865|Blue Moon Club|Havana Project|34d|879
899|Soya Plates|Dimsby|78a|699
900|Forestry Commission|Eden Project|68d|864

我尝试了awk '|>=3' file.txt，但没有成功。有很多关于awk 的信息，其中一些是我找到的，但是由于其庞大的数量，所以很难找到我想要做的事情。

Answer 1

消除线条：

grep '|.*|.*|.*|' file > newfile

统计坏行数：

grep -cv '|.*|.*|.*|' file

这并没有进行适当的编辑；你可以使用sed 来做到这一点，但对新文件进行这样的编辑通常更安全，以免在出错时丢失数据。

第一个 grep 模式匹配任何带有四个管道符号的行。 （grep默认使用“Basic”正则表达式，你必须在其中编写交替运算符\|。所以你可以使用|作为一个普通字符。）

第二次调用计算 (-c) 不匹配 (-v) 行的数量。

这是一个简单的 sed 解决方案：

sed -n -i.bak  '/|.*|.*|.*|/p' file

-n 选项关闭自动打印，因此该命令仅打印与模式匹配的行。 （同样，默认情况下，sed 使用基本的正则表达式。）。 -i.bak 选项进行就地编辑，创建名称为 file.bak 的原始备份。

如果你想选择恰好四个管道的行，你可以使用awk：

awk -F'|' 'NF==5' file > newfile

这会将字段分隔符设置为管道符号，然后选择正好有五个字段的行，即有四个管道的行。

一个有用的计算行数的工具是wc：

wc -l file

会告诉你文件中有多少行；如果同时计算file 和newfile 中的行数，差异显然是删除的数量。你也可以在 awk 中进行计算，但它有点冗长：

awk -F'|' 'NF==5{print;next}{del+=1}END{print del >>"/dev/stderr"}' file > newfile

Answer 2

这样就可以了：

sed -i.bak '/\([^|]*|\)\{4\}/!d' file

或者（如Cyrus's comment）

sed -i.bak -E '/(\|[^\|]*){4}/!d' file

或者

sed -n '/^[^|]*|[^|]*|[^|]*|[^|]*|$/p' file > newfile

或者

sed -e '/^[^|]*|[^|]*|[^|]*|$/d' \
    -e '/^[^|]*|[^|]*|$/d' \
    -e '/^[^|]*|$/d' \
    -e '/^[^|]*$/d' \
    -i.bak file

但这不会给你行数。要获取行数，在原始文件上运行grep -cv '^[^|]*|[^|]*|[^|]*|[^|]*|$' file，如提到的rici，或使用wc -l file 命令比较前后的行号

---

解释：

前两个 sed 松散地匹配 4 个管道（不少于但可以更多），第三个恰好匹配 4 个 |（不多也不少）。

第四个sed 精确匹配 3、2、1 和 0 管道 (|) 并删除这些行（就地）并准备原始文件的备份文件 (file.bak)。